求助：如何将列向量值的组合存储为numpy数组以进行极大似然估计

直接把itertools.combinations返回的迭代器转为列表，再传入numpy.array()就能得到矩阵形式的Numpy数组。结合你的场景，下面是完整的实现示例：

示例代码 #

import numpy as np
import itertools

# 模拟你的两个nx1列向量
val = np.array([[1], [2], [3], [4]])  # 4x1列向量
val1 = np.array([[5], [6], [7], [8]]) # 4x1列向量

# 水平堆叠为nx2矩阵（每行对应两个向量的一组元素）
stacked_matrix = np.hstack((val, val1))

# 生成矩阵行的两两组合（和你参考的示例逻辑一致，从4行中取2行的组合）
com_set = itertools.combinations(stacked_matrix, 2)

# 转换为Numpy数组
result_matrix = np.array(list(com_set))

# 查看结果
print(result_matrix)

输出说明 #

当n=4时，组合数为C(4,2)=6，最终会得到一个6x2x2的数组：

[[[1 5]
  [2 6]]

 [[1 5]
  [3 7]]

 [[1 5]
  [4 8]]

 [[2 6]
  [3 7]]

 [[2 6]
  [4 8]]

 [[3 7]
  [4 8]]]

如果你的需求是两个向量元素的所有两两组合（而非行的组合），可以调整为从合并后的元素列表生成组合：

# 合并两个列向量的元素为一维数组
combined_elements = np.vstack((val, val1)).flatten()

# 生成两两组合
com_set = itertools.combinations(combined_elements, 2)
result_matrix = np.array(list(com_set))

# 结果为C(8,2)=28行2列的矩阵
print(result_matrix.shape)  # (28, 2)

转换后的Numpy矩阵可以直接用于后续的极大似然估计计算，比如提取组合元素进行概率密度计算、参数估计等操作。

内容的提问来源于stack exchange，提问作者Giuseppe Degan Di Dieco